RESEARCH ON INTRODUCTION OF ADAPTIVE PREVIEW CONTROL TO ROBOTS

将自适应预览控制引入机器人的研究

• 批准号: 04650354
• 负责人: TSUCHIYA Takeshi
• 金额: $ 1.28万
• 依托单位: FAC.OF ENGINEERING, HOKKAIDO UNIVERSITY
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for General Scientific Research (C)
• 财政年份: 1992
• 资助国家: 日本
• 起止时间: 1992 至 1993
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-04650354/
• 关键词: PREVIEW CONTROL; ADAPTATION; ROBOT MANIPURATOR; TRAJECTORY PLANNING; FUZZY REASONING; NEURAL NETWORK; 適応機能; ファジィ推論; 適応制御; 一般化予測制御; 移動ロボット

It is well known that utilization of future information on desired signal or disturbance signal which the output of the control system must follows or reject makes the control performance considerably improved. "Preview control" is one of such control methods. Control system synthesis method for preview control system has been developed on the basis of optimal regulator theory by the authors. However, the preview action acts like feedfoward action for already designed feedback control system. Then, robustness of the total control system including preview compensation becomes low. Then, adaptive function for parameter variations of the controlled objects is necessary. In this research, the following points are considered.[1]Design method of preview control system for a nonlinear controlled object on the basisi of "digital acceleration method" whichi has been proposed by the authors.[2]Development of design method of adaptive action for preview control system.[4]Study on trajectory planning of the robot manipulator.[4]Sapplication of learning methods such as Fuzzy reasoning and Neural network to robotics.In this research, the following results are obtained.[1]New design method without utilization of the acceleration signal from the controlled object is developed for nonlinear controlled object on the basis of the digital acceleration method. While the previous method needs the acceleration signal which is very hard work for usual controlled object.[2]Adaptation for parameter variations of the controlled object is obtained to some extent by means of introduction of Fuzzy reasoning and Neural network into the preview control system.

众所周知，利用控制系统的输出必须跟随或拒绝的期望信号或干扰信号的未来信息，使得控制性能大大改善。“预览控制”就是这样的控制方法之一。基于最优调节器理论，提出了预见控制系统的控制系统综合方法。然而，对于已经设计的反馈控制系统，预览动作的作用类似于前馈动作。于是，包括预瞄补偿的整个控制系统的鲁棒性变低。然后，需要对被控对象的参数变化的自适应功能。在本研究中，考虑了以下几点。[1]在作者提出的“数字加速法”的基础上，提出了非线性被控对象预见控制系统的设计方法。[2]预见控制系统自适应动作设计方法的发展。[4]机器人操作臂的轨迹规划研究。[4]模糊推理和神经网络等学习方法在机器人学中的应用。[1]在数字加速度法的基础上，针对非线性被控对象，提出了一种不利用被控对象加速度信号的设计方法。而以往的方法需要加速度信号，这对于一般的被控对象来说是非常困难的。[2]通过将模糊推理和神经网络引入预见控制系统，使预见控制系统对被控对象的参数变化有一定的适应性。

项目成果

王碩玉,土谷武士: "軌道の未来情報を利用したロボットマニピュレータの目標経路追述制御" 日本機械学会論文集. 59. 2512-2518 (1993)

Shuoyu Wang、Takeshi Tsuchiya：“使用未来轨迹信息的机器人操纵器的目标路径添加控制”日本机械工程师学会汇刊 59. 2512-2518 (1993)。

王碩玉,土谷武士: "軌道の未来情報を利用したロボットマニピュレータの目標経路追従制御" 日本機械学会論文集. 59. 2212-2518 (1993)

Shuoyu Wang、Takeshi Tsuchiya：“使用未来轨迹信息的机器人操纵器的目标路径跟踪控制”日本机械工程师学会汇刊 59. 2212-2518 (1993)。

土谷武士・江上正: "ディジタル予見制御" 産業図書(株), 205 (1992)

Takeshi Tsuchiya 和 Tadashi Egami：“数字预测控制”Sangyo Tosho Co., Ltd.，205 (1992)

王硯玉,土谷武士: "P表現に基づくロボットマニピュレータ経路制御" システム制御情報学会論文誌. 5. 443-453 (1992)

Hianyu Wang，Takeshi Tsuchiya：“基于 P 表达式的机器人操纵器路径控制”，系统、控制和信息工程师学会学报，5. 443-453 (1992)。

松下昭彦,土谷武士: "非干渉制御系の性質を用いた最適予見制御系の性質" 計測自動制御学会論文集. 29. 242-244 (1993)

Akihiko Matsushita、Takeshi Tsuchiya：“利用非干扰控制系统特性的最优预测控制系统的特性”《仪器与控制工程师学会汇刊》29. 242-244 (1993)。